基于DEA-Malmquist指数的国家级高新区创新能力评价

丁青青

摘 要：應用DEA-Malmquist指数法对我国54个国家级高新技术产业开发区的创新效率进行了动态测算，结果显示我国54个国家级高新区整体的创新效率生产率水平在2007-2016年内呈现先下降后上升的趋势。但从Malmquist生产率指数的分解结果来看，高新区的创新效率是技术进步与效率提升反向变化的结果，因此要在加大对高新区资源投入的同时，构建与之相匹配的科技资源配置体制，以实现技术进步和效率提升共同推动高新区创新效率的增长。

关键词：数据包络分析（DEA）;Malmquist生产率指数;创新能力评价;高新技术产业开发区

中图分类号：F2 文献标识码：A doi：10.19311/j.cnki.1672-3198.2019.35.005

0 引言

创新是一个国家和民族兴旺发达的不竭动力，而高新技术产业开发区作为把高新技术转化为实际生产力的主要创新载体，正在经济发展中扮演着越来越重要的角色。高新技术产业开发区作为以发展高新技术和最大限度将科技成果转化为现实生产力为目的而设置的特定区域，成为我国科技创新和产业发展的重要基地，在区域经济发展中发挥重要的作用。一个区域或高新园区的创新能力具体表现为将人力和财力等软硬件投入转化为经济效益、人才培养及知识创造等产出的能力。

关于区域或园区的创新能力评价，比较有代表性的方法包括Robert Huggins的知识竞争力指标体系、数据包络分析、随机前沿模型、人工神经网络、主成分分析法、TOPSIS综合评价法等。数据包络分析（data envelopment analysis，DEA）作为一种可以综合评价多投入多产出的非参数评估方法，具有无需设定生产函数关系和预先估计任何参数或权重的优势，因此评价结果比较客观，可以在很大程度上避免主观因素影响，近年来随着国家对创新发展的重视程度不断加大，关于高新区创新评价的文章也层见叠出。但是主要是应用DEA非参数估计的影响因素分析，鲜有学者对国家级高新技术产业开发区层面应用DEA-Malmquist指数对高新区创新能力的动态演变规律实施较长时间的评价。

本文采用《中国火炬统计年鉴》（2007-2016）十年面板数据作为数据来源，以2007年批复的54家国家级高新区为研究样本，在高新区创新活动的投入、产出层面选取五个细分指标。结果显示我国54个国家级高新区整体的创新效率生产率水平在2007-2016年内呈现先下降后上升的趋势。两个时间节点的大事件即：2008年全球金融危机爆发和2011年“十二五”规划对高新区提出新的战略指导，这两大事件对国家高新区创新发展产生了重大影响。从Malmquist生产率指数（Malmquist Productivity Index，MPI）的分解结果来看，高新区的创新效率是技术进步与效率提升反向变化的结果，因此要在加大对高新区资源投入的同时，构建与之相匹配的科技资源配置体制，以实现技术进步和效率提升共同推动高新区创新效率的增长。

1 高新区创新能力评价指标构建

本文采用《中国火炬统计年鉴》（2007-2016）十年面板数据作为数据来源，以2007年批复的54家国家级高新区为研究样本，覆盖全国大部分省、市和自治区。在创新活动投入、产出层面上，考虑指标选取的客观性、全面性、弱相关性和易获取性，选用表1中5个细分指标构建高新技术产业园区的创新能力评价体系。

3 国家级高新区的创新能力评价

3.1 从全国层面分析

将54家高新区在2007至2016年十年间的面板数据代入上文所提出的DEA-Malmquist模型，可以求解得到每个高新区各年份MPI及其分解指数EC和TC。为观察全国范围内高新区整体创新效率的平均变化情况，首先分别对各个高新区十年间的MPI、EC和TC进行几何平均，再将全国54家高新区的几何均值进行算术平均。众所周知在样本期内，发生了两件对国家高新区发展产生重大影响的关键事件。一是2008年全球金融危机爆发;二是2011年“十二五”规划对高新区提出新的战略指导。根据两个事件的时间节点，将样本的时间跨度2007-2016进一步分为两个子时段，即金融危机效应时段（2007-2011）与“十二五”规划战略指导出台时段（2011-2016）。样本观察期内所有年份和各子时段的年平均MPI、EC及TC如表2所示。

由表2可知，10年间全国高新区整体创新能力的全要素生产率（TFP）为-1.15%，呈下降趋势。具体到两个子时段， 2007-2011年间受金融危机影响，高新区整体TFP下降2.67%，其原因主要是受到技术衰退的制约。在2011-2016这一时段内我国国家级高新区生产率整体水平保持稳步上升态势，这是由于这一时期我国对高新区发展的重视程度日益提升，“十二五”规划中对国家级高新区提出新的战略指导后，明确了实施创新驱动发展战略，培育和发展战略性新兴产业，壮大高新技术产业集群，探索经济发展新模式和辐射带动周边区域新机制的指导思想，这一契机为高新区发展带来新一轮的机遇期。

从本应用结果来看，对于MPI的两类分解指数EC和TC，当一种分解指数上升时，总会伴随另一种分解指数的下降，反映了国家高新区的创新效率是技术进步与效率提升反向变化的结果。技术效率的提高很可能在深层次上是技术退步的结果，因为技术退步而带来的技术前沿面的后退使得决策单元与技术前沿面的相对距离缩短，从而导致效率结果提升。另一方面，技术前沿面的变化既可能是大部分决策单元绩效改善的结果，也可能是个别决策单元进步的结果，如果是后一种情况，则会出现绝大部分决策单元在提升的技术前沿面评价下，效率明显下降。我们认为，高新区的创新效率TFP增长应该是由效率改善和技术进步共同推动的结果，创新效率提高的健康模式是两者协同发展、相互促进。因此，要在加大对高新区资源投入的同时，构建与之相匹配的科技资源配置体制，以实现技术进步和效率提升共同推动高新区创新效率的增长。

3.2 从区域层面分析

为配合我国实行区域协调发展战略和实施具有针对性的区域政策，将全国划分为东部、中部、西部三大板块，其中东部板块包括辽宁、北京、天津、河北、山东、上海、江苏、浙江、福建、广东、海南11个省市;中部板块包括吉林、黑龙江、山西、河南、安徽、江西、湖北、湖南8省;西部板块包括陕西、重庆、四川、贵州、云南、甘肃、青海、宁夏、广西、内蒙古、新疆11个省市及自治区。将54家国家级高新区按上述3个区域进行划分，以探究高新区生产率变化的区域差异。

图1表明在2007-2011年间三大区域MPI变化趋势基本一致，都在1附近上下轻微浮动，主要由于这一时段内受金融危机影响，生产率水平停滞不前且略有下滑。但自2011年之后，在国家政策的扶持和引导下，国家级高新区迎来了新的发展机遇。西部地区的生产率率先得到大幅提升，明显高于中东部地区，而东部地区生产率水平最低。虽然东部地区的高新区整体实力优于其它区域，但是其动态生产率的分析结果却低于中部和西部地区。这在一定程度上说明，起步较晚且相对落后的西部区域，在国家政策扶持、地方政府强化管理以及自身提升空间较大等因素的共同作用下，与东中部在生产效率上的差距在逐步缩小。2011-2016年間，三大区域整体生产率均呈现上升态势，且生产率的变化趋势基本一致。值得指出的是中部和东部地区生产率的大幅增长出现在2013年之后，可能原因之一是中部和东部区域由于经济开放程度和对外贸易依存度较高，受到金融危机带来的冲击影响更大也更为持久。由图1不难看出，高新区的全要素生产率的变化与其所处地理位置和经济区域关系不大，全国范围内高新区的生产率基本保持大体一致的变化状况。

4 结论

本文利用DEA-Malmquist指数法对我国国家级高新技术产业开发区的创新效率进行了动态测算，结果表明我国54个国家级高新区整体的创新效率生产率水平在2007-2016年内呈现先下降再上升的趋势。从Malmquist生产率指数的分解结果来看，高新区的创新效率是技术进步与效率提升反向变化的结果，因此要在加大对高新区资源投入的同时，构建与之相匹配的科技资源配置体制，以实现技术进步和效率提升共同推动高新区创新效率的增长。区域层面分析结果显示三大区域整体生产率变化趋势基本一致，高新区的全要素生产率的变化与其所处地理位置和经济区域关系不大。

参考文献

[1]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，（2）：429-444.

[2]Malmquist S.Index numbers and indifference surfaces[J].Trabajos de Estatistica，1953，（4）：209-242.

[3]Fre R，Grosskopf S，Lindgren B，et al.Productivity changes in Swedish pharmacies 1980-1989：A non-parametric Malmquist approach[J].Journal of Productivity Analysis，1992，3（1）：81-97.